基于雪雁算法(Snow Geese Algorithm,SGA)的多个无人机协同路径规划(可以自定义无人机数量及起始点),MATLAB代码

一、雪雁算法

雪雁算法(Snow Geese Algorithm,SGA)是2024年提出的一种新型元启发式算法,其灵感来源于雪雁的迁徙行为,特别是它们在迁徙过程中形成的独特"人字形"和"直线"飞行模式。该算法通过模拟雪雁的飞行行为,实现了在解空间中的高效搜索和优化。SGA算法主要分为三个阶段:初始化阶段、探索阶段和开发阶段。


参考文献:

1\]Bian, H., Li, C., Liu, Y. et al. Improved snow geese algorithm for engineering applications and clustering optimization. Sci Rep 15, 4506 (2025). https://doi.org/10.1038/s41598-025-88080-7 \[2\]Tian A Q , Liu F F , Lv H X .Snow Geese Algorithm: A novel migration-inspired meta-heuristic algorithm for constrained engineering optimization problems\[J\].Applied Mathematical Modelling, 2024, 126:327-347.DOI:10.1016/j.apm.2023.10.045. ## 2. 无人机路径规划数学模型 ### 2.1 路径最优性 为了提高无人机的操作效率,规划的路径需要在特定的应用标准下达到最优。在我们的研究中,主要关注空中摄影、测绘和表面检查,因此选择最小化路径长度作为优化目标。由于无人机通过地面控制站(GCS)进行控制,飞行路径 X i X_i Xi 被表示为无人机需要飞越的一系列 n n n 个航路点的列表。每个航路点对应于搜索地图中的一个路径节点,其坐标为 P i j = ( x i j , y i j , z i j ) P_{ij} = (x_{ij}, y_{ij}, z_{ij}) Pij=(xij,yij,zij)。通过表示两个节点之间的欧几里得距离为 $\| \\overrightarrow{P_{ij}P_{i,j+1}} \|,与路径长度相关的成本 F 1 F_1 F1 可以计算为: F 1 ( X ) = ∑ j = 1 n − 1 ∥ P i j P i , j + 1 → ∥ F_1(X) = \\sum_{j=1}\^{n-1} \\\| \\overrightarrow{P_{ij}P_{i,j+1}} \\\| F1(X)=j=1∑n−1∥PijPi,j+1 ∥ ### 2.2 安全性和可行性约束 除了最优性之外,规划的路径还需要确保无人机的安全操作,引导其避开操作空间中可能出现的威胁,这些威胁通常由障碍物引起。设 K K K 为所有威胁的集合,每个威胁被假设为一个圆柱体,其投影的中心坐标为 C k C_k Ck,半径为 R k R_k Rk,如下图 所示。 ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/765e4e4ad3d04b90b941c06a62b501aa.png) 对于给定的路径段 ∥ P i j P i , j + 1 → ∥ \\\| \\overrightarrow{P_{ij}P_{i,j+1}} \\\| ∥PijPi,j+1 ∥,其相关的威胁成本与它到 C k C_k Ck 的距离 d k d_k dk 成正比。考虑到无人机的直径 D D D 和到碰撞区域的危险距离 S S S,威胁成本 F 2 F_2 F2 在障碍物集合 K K K 上计算如下: F 2 ( X i ) = ∑ j = 1 n − 1 ∑ k = 1 K T k ( P i j P i , j + 1 → ) , F_2(X_i) = \\sum_{j=1}\^{n-1} \\sum_{k=1}\^K T_k(\\overrightarrow{P_{ij}P_{i,j+1}}), F2(Xi)=j=1∑n−1k=1∑KTk(PijPi,j+1 ), 其中 T k ( P i j P i , j + 1 → ) = { 0 , if d k \> S + D + R k ( S + D + R k ) − d k , if D + R k \< d k ≤ S + D + R k ∞ , if d k ≤ D + R k T_k(\\overrightarrow{P_{ij}P_{i,j+1}}) = \\begin{cases} 0, \& \\text{if } d_k \> S + D + R_k \\\\ (S + D + R_k) - d_k, \& \\text{if } D + R_k \< d_k \\leq S + D + R_k \\\\ \\infty, \& \\text{if } d_k \\leq D + R_k \\end{cases} Tk(PijPi,j+1 )=⎩ ⎨ ⎧0,(S+D+Rk)−dk,∞,if dk\>S+D+Rkif D+Rk\

相关推荐
堕落年代1 分钟前
Python使用FastAPI结合Word2vec来向量化200维的语言向量数值
开发语言·python·fastapi
王网aaa3 分钟前
堆结构和堆排序
java·算法·排序算法
dundunmm19 分钟前
【数据挖掘】KL散度(Kullback-Leibler Divergence, KLD)
人工智能·数据挖掘·聚类·kl散度
m0_6759882331 分钟前
Leetcode3110:字符串的分数
算法·leetcode·字符串·python3
~请叫我小祸害~31 分钟前
在 C# 中使用 Dapper 查询数据并导出 Excel
开发语言·数据库·c#·excel
进击的jerk32 分钟前
力扣 11.盛水最多的容器(双指针)
c++·算法·leetcode
竹下为生33 分钟前
LeetCode --- 440周赛
算法·leetcode·职场和发展
巷95536 分钟前
KMeans实战——聚类和轮廓系数评估啤酒数据集
人工智能·机器学习
张志翔的博客1 小时前
RK3588 openssl-3.4.1 编译安装
开发语言·后端·scala
GIS思维1 小时前
AI辅助编程!DeepSeek vs ChatGPT- AI在地图网络分析(最佳路径)上的应用
人工智能·python·chatgpt·arcgis pro·deepseek